资源描述：
《惯性权自适应调整的量子粒子群优化算法_黄泽霞》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第46卷第2期上海交通大学学报Vol.46No.22012年2月JOURNALOFSHANGHAIJIAOTONGUNIVERSITYFeb.2012文章编号:1006-2467(2012)02-0228-05惯性权自适应调整的量子粒子群优化算法1,231黄泽霞,俞攸红,黄德才(11浙江工业大学信息学院,杭州310023;21绍兴文理学院元培学院信息与电子系,浙江绍兴312000;31浙江工业大学理学院,杭州310023)摘要:针对量子粒子群的惯性权值B线性递减不能适应复杂的非线性优化搜索过程的问题,提出了一种惯性权自适应调整的量子粒子群优化(DCWQPSO)算法.在该算法中,引入了量
2、子粒子群进化速度因子sd和聚集度因子jd,并将惯性因子B表示为sd,jd2个参数的函数.在每次迭代时,算法可根据当前量子粒子群进化速度因子和聚集度因子动态地调整惯性权值,从而使算法具有动态自适应性.对典型的标准函数的测试结果表明,与量子粒子群算法相比,改进后的量子粒子群优化算法的收敛速度明显提高.关键词:量子粒子群;自适应;惯性权中图分类号:TP18文献标志码:AQuantum-BehavedParticleSwarmAlgorithmwithSel-fadaptingAdjustmentofInertiaWeight1,231HUANGZe-xia,YUYou-hong,HUANGD
3、e-cai(11CollegeofInformationEngineering,ZhejiangUniversityofTechnology,Hangzhou310023,China;21DepartmentofInformationandElectronic,ShaoxingUniversityYuanPeiCollege,ShaoxingZhejiang312000,China;31CollegeofScience,ZhejiangUniversityofTechnology,Hangzhou310023,China)Abstract:Anewquantum-behavedpart
4、icleswarmalgorithmwithself-adaptingadjustmentofinertiaweightwaspresentedtosolvetheproblemthatthelinearlydecreasingweightofthequantum-behavedpar-ticleswarmalgorithmcannotadapttothecomplexandnonlinearoptimizationprocess.Theevolutionspeedfactorandaggregationdegreefactoroftheswarmareintroducedinthis
5、newalgorithmandtheweightisformulatedasafunctionofthesetwofactorsaccordingtotheirimpactonthesearchperformanceoftheswarm.Ineachiterationprocess,theweightischangeddynamicallybasedonthecurrentevolutionspeedfactorandaggregationdegreefactor,whichprovidesthealgorithmwitheffectivedynamicadaptability.The
6、algorithmsofquantum-behavedparticleswarmweretestedwithbenchmarkfunctions.Theexper-imentsshowthattheconvergencespeedofadaptivequantum-behavedparticleswarmalgorithmissignif-icantlysuperiortoquantum-behavedparticleswarmalgorithm.Keywords:quantum-behavedparticleswarm;adaptability;inertiaweight收稿日期:2
7、010-12-07基金项目:国家自然科学基金项目(10774131)作者简介:黄泽霞(1977-),女,浙江诸暨市人,博士生,主要从事量子智能控制研究.黄德才(联系人),男,教授,博士生导师,电话(Tel1):0571-85290516;E-mail:hdc@zjut.edu.cn.第2期黄泽霞,等:惯性权自适应调整的量子粒子群优化算法229粒子群优化(ParticleSwarmOptimization,L1x(t)=xop(t)?ln(1)[
